寻求报道

松鼠AI创始人栗浩洋:如何通过AI打造一名“超级老师”

饭桌君 05月28日 其它
全球人工智能教育公司都在蓬勃兴起,但是在中国人工智能智适应的教育才刚刚开始

5月24、25日,由乂学教育-松鼠AI、IEEE教育工程和自适应教育标准工作组、中国自动化学会、新东方、好未来、36氪主办的第三届AIAED大会暨“AI+智适应教育峰会”召开。乂学教育松鼠AI创始人栗浩洋在大会上发表演讲,栗浩洋提到,全球人工智能教育公司都在蓬勃兴起,但是在中国人工智能智适应的教育才刚刚开始,所以想要通过此次活动呼吁人工智能领域的人更多关注教育。

栗浩洋详细介绍了松鼠AI是如何在本体层、算法层、系统交互三个层面做人工智能教育的,最终希望用AI带来一个真正革命,塑造一个超级老师实现教育公平。

7b3e71744f0c4782cb2ae024fab71d3.jpg

以下是栗浩洋演讲的全文,小饭桌作了不影响原意的整理。

首先非常感谢各位来到我们AIAED大会,美国人工智能协会,也是美国最顶级人工智能的主席Yolanda曾经问我,你为什么要办这样一场大会?我说其实办这个大会最大的目的,是希望能够宣扬人工智能智适应教育给教育行业带两的改变,第二也是希望人工智能领域的人更多关注教育。

在这里其实我想讲一下人工智能教育的发展,以及我们松鼠AI是如何来做人工智能教育的

美国已经有40家多家人工智能或者是数字化学习智适应教育公司,其实在全球的每个国家,不管是日本、韩国、澳大利亚,还是爱尔兰等国家,人工智能教育公司都在蓬勃兴起。但是在中国人工智能智适应的教育才刚刚开始,所以这也是我们想要办这一场大会的目的。

看到国家的政策这两年在不断的快速地鼓励这个行业的发展,教育信息化2.0行动是教育部发布的行动,也是在讲智能教育,尤其是以学习者为中心的智适应化教育。

而通过五年的时间和三年产品投放市场,现在乂学教育松鼠AI已经在中国20多个省市自治区,200多个城市,有了1900多家学校,这个数字每个月在100多家的增长。我们已经有了200万的注册学生,但是更重要的是我们的付费学生,付费1-2千美金一年的学生,在今年第一季度比去年第一季度的同期,增长了14倍,这个是对我们五年来,松鼠AI有到现在为止将近700多个教研专家,AI科学家,技术人员和产品经理所做的巨大努力的一个认同。

究竟松鼠AI人工智能老师是一个什么样子的,今天我最主要想讲的是引擎架构,总共是分成三个层次,首先是本体层,里面更多的是内容,包括学习地图,包括知识地图。第二个层次称作为算法层,里面有推荐引擎,有学生的用户画像的引擎,有目标管理引擎,第三个层次,可以看到是一个交互系统,就是这个系统如何和人进行交互。在今年之前我们的系统和人的交互,更多是通过视频、题目,和一些简单的互动和推荐系统,未来我们希望能够发展更多的人机交互,让学生和机器之间的交互更加的顺畅。

第一个是本体层,到底我们如何能够给学生减负,在目前的情况下,如果20、30年都没有解决,如果不通过科技力量和人工智能,根本不可能解决掉,而我们现在通过我们架构的母体层中的知识地图,试图去解决问题。实现松鼠AI说“哪里不会学哪里”,有了知识地图以后,我们才能够对孩子进行对症下药的诊断。

乂学教育在全球做了一个超纳米级的知识点的拆分,整个对知识点拆分细腻颗粒程度,超过了Knewton和ALEKS的5-10倍,比如作为分数加减法这样普通的教育机构只有五个知识点,我们拆成了100个知识点,超纳米级。当我们做超纳米级拆分的时候,每个再差的孩子,都能找到自己能学会的知识点。

去年到今年我们最新的一个研究成果,就是错因分析,这也是我在四五年让我们团队去做,但是那个时候我们没有足够的资金和财力去做,因为错因实在是太海量了,当我们把知识点拆到几万个的时候,可能就需要几百万的题目,因为一个知识点可能学习上万个题目在这个系统里面,错因来说,每一道题可能就有10、20、30个错因,我们有500万道题目,可能我们有上亿的错因,这是海量的数,几乎没有办法完成的数据,现在我们在越做越好。

第一,我们发现了一些常见的错因,比如说粗心,通过这些错因,我们慢慢可以让孩子了解不是你知识点不会,而是你其他的错因出了问题。知识点的问题是非常容易解决的,我们发现知识点哪怕全部掌握了,学生仍旧会出很多的错误,这就是我们说的错因,而我们把常见错因总结出来,它就可以覆盖30、40%的问题,而不需要上亿的错因。我们真正追求一道题的时候,发现上亿的错因里面确实也千差万别,而如果你不给学生去解决,是不可能真正解决教育的问题,不可能解决这个孩子的问题。我们经常说教育的个性化,如果没有错因分析,其实没有达到非常好的教育个性化。

为什么30年经验,40年经验的老教师是非常有利的,就是因为他们看过太多的疑难杂症。但是我想AI的价值是在于他是能处理几乎无限的信息,所以对于AI来说,它处理这些信息能够比我们普通老师处理得更好,这也是AI老师能够未来永远超越老师教学效果的一个原因。

但是当我们有了在知识地图里面这么多的错因和这么数据要处理的时候,原来的知识地图和传统的算法已经不能解决的,所以我也和我们的科学家一起提出来了一个叫非关联性知识点的关联概率,我们测试任何一个知识点,除了跟它相关的知识点我们可以获取信息之外,所有几万个,几百万相关的知识点,我们都可以给到一个概率渲染,我们测试100个知识点以后,我们其他不相关的每个知识点都被做了100次概率的渲染,以至于把他逼近到90%会,或者90%不会,这样我们就可以节省大量的海量的测试题目,更清晰的了解每个学生的状态。

我们全新升级了自己的MCM系统,第一个是学习思想,第二个是能力,第三个是方法,就是在学习中有学习思路,在学习的思维中我们有分类讨论的思维,有逆向的思维,这里面还有转化的思维,还有辨析能力,观察的能力,还有理解的能力,和获取有效信息的能力。通过这些思维、能力、方法的拆分,可以让AI导师可以去进行教学,对于好的老师他去教思想、能力、方法,都是非常难的,那我们怎么能让AI老师去教,当时我在发布里面提了一个“三可”原理,第一个就是可定义;第二件事是可测量,第三个就是可传授。做到了“三可”,才能让虚拟老师来去传授。

通过这样的一个MCM的系统,我们真正能够做到对教育学生素质的培养,一个终生受益的能力,那么这些思想、能力和方法,会是让学生受益终身的,也是我们觉得可以有价值的地方。

三个区别是什么?如果你打一个古代的战争,思想更像你的战略。你的能力就是你的观察能力,你的这种辨析能力等,更像你在训练你自己身体的体能。方法更像你拿的刀和盾牌,其实是不同等级的事情。当我们把它分得更清楚的时候,其实我们的教学效率就会变得更好。现在我们试图教学情商,教领导力等这些。

当这些能力、思想和方法不断去训练的过程中,我们其实还做的一件事情,就是希望未来对这个孩子的想象力和创造力,去进行培养。

所有这些视频构成我们的主体,包括了错因分析。第二个层次就是算法的层面,其实我们要做的事情很多,我们不仅仅像今日头条,要去做每个学生的用户画像的分析,知道每个孩子的状态,我们还要像今日头条一样,来去做推断,就是到底给他做什么样的推荐。

我们的算法比今日头条难在哪里?对于今日头条来说,他只要推给你合适的内容就成功了,而我们要保证学生掌握这个内容,所以这个难度更大。今日头条推给你的文章,你看完之后,是百分之百理解了,还是只理解了10%,还是30%,他根本不在乎,只要你花费的时间就是成功,而对于我们来说,如果学生没有学会,就不是成功,所以我们还要有一个预测的引擎。Tom Mitchell教授说我们不断实施采集数据,未来包括孩子的表情,他的动作等各方面数据的采集,能够更快优化我们的算法。

我们非常聪明放弃了不可能学会的知识点,把其他的知识点根据他的水平,智适应的去给学生进行推送,智适应非常智慧的能够帮助他去学会。

最后其实是第三层,我们跟斯坦福研究院在合作,能够让机器和学生进行互动,我们也拿到了一些论文,我们的密码系统在世界人工智能大会拿到了大奖,这些都是科学家的努力,我们通过数据采集去了解更多学生的信息,来去完善我们的算法。他们通过深度学习系统,来去解决这些问题。

这半年里面在我们的体系内研发,还有跟AI教授去谈,这个有可能颠覆深度学习,或者达到齐平的地步。人脑不是是像深度学习一样去学习的,一个小孩子需要20、30个猫的照片,就知道猫是什么,但是深度学习系统需要100万猫的照片,才知道猫是什么,大脑并不是这么去学的。

是不是我可以告诉我的ECA说,以后凡是下雪了,就要把我的闹钟去提前半个小时。如果你用深度学习系统,可能要犯一百多万个错误,才知道下雪是要提前的。我自己用滴滴的时候,我每次回家,因为我家和另外一个小区是挨着的,所以一半的时间都是进入错的小区,如果我能够去告诉系统,说你每次到我家里的时候,要选右边这个门,其实我的生活就会轻松很多。如果说每一个用户都能够去完善这个AI,那我相信AI的成长速度会更快,因为我们从小到大被我们的父母、朋友,甚至马路的人所呵斥、教训,我们才能成长得更多。这里面可能有故意错误的引导,谁长大都经历了这样一个错误,我们如果用这样一个系统,能够用在我们的教育里面,其实是非常方便的,我们的教育系统帮助很多的学生获得了非常快速、大量的成长。

在统一的课堂教课中,经常因为学生的一步跟不上,而步步跟不上,而失去了很多的孩子,而实际上有些孩子是学习的天才,他刚到我们系统里面从原来知识点只有17%,学了两周之后,就达到了50%知识点的正答率,一个多月以后,他自己从不爱学习,到爱上的学习。两个多月的时间,他的知识点成长的速度越来越快,到了第三个月的时间,已经可以用一节课学三节课的内容,这个孩子是一个学习的天才,而我们以前竟然完全把它埋没了,智适应帮助孩子从不会到会,这是一个快速的过程。

但是系统里面有70、80%这样非常完美的案例,也有20%的GPS导航一样,带着学生兜圈子,给到了他错误的知识,他没有学好的这种痛苦的过程,如果我们能够用Tom Mitchell教授这种算法的模式,直接告诉系统说这个我会了,但是那道题我不会,我们干脆就绕开,或者你给我的知识点的测试是错误的,我其实已经掌握了,或者这个题的难度是不是给我在前一年的知识,如果学生能够跟系统对话的时候,我们可以非常轻松的,简单的解决很多系统的问题,我们能够让每一个孩子都像这些小孩子一样。

我们希望用AI带来一个真正的革命,我们希望塑造一个超级的老师,我们希望我们去年捐赠了100万的帐号,能够帮助每个贫困家庭的孩子去学,我们去了一个山区,帮助这个山区里面,在这个里面根本没有老师的情况下,我们用松鼠AI帮助他们去教学,把教育变得更可持续发展。

希望我们能够用AI+教育,帮助世界上的每一个孩子,谢谢大家!

原文来源:小饭桌 作者:饭桌君
赞(0)
呵呵(0)
有料要爆,希望项目被报道,请点击寻求报道

热门推荐

最新文章